Dec, 2023

利用神经网络从电子报纸中提取投标公告

PDF
TL;DR本研究旨在解决手动搜索投标通知的繁琐任务。使用 Python 的 Selenium 库下载报纸，然后使用神经网络自动提取招标通知。研究采用了不同 CNN 架构（ResNet、GoogleNet 和 Xception），并实现了最佳性能模型。最后，提取的通知被发布在网站上，方便用户访问。该项目对于建筑公司和承包商具有重要应用，确保质量和效率，对于竞争性招标及其系统化管理领域具有广泛应用。
tender noticessearchnewspapersneural networkcompetitive bidding
发现论文，激发创造
  • 基于神经网络的虚假新闻标题分类

    使用 Kaggle 平台提供的包含 18 年新闻的数据集，通过 TF-IDF 特征提取和神经网络分类器，对新闻标题进行分类，实验结果表明，该神经网络在准确性评估指标上表现最佳，其准确率高达 0.8622，明显优于其它三个模型。

    Jan, 2022

  • 使用自然语言处理技术的乌尔都语新闻文章推荐模型

    提出一种可以预测用户兴趣的乌尔都语新闻推荐框架，使用了 NLP 技术的预处理和 TF-IDF 和余弦相似度计算，利用 BERT 语言模型相似性提高了系统推荐性能。当文章相似性超过 60％时，系统会向用户推荐相关新闻。

    May, 2022

  • 大规模新闻文章中突出实体的检测

    通过微调预训练的 Transformer 模型，利用实体标签或上下文实体表示，探索高效和有效的显著性实体检测方法。实验证明，这些直接的技术在不同规模和显著性定义的数据集上明显优于先前的工作。还研究了知识蒸馏技术，以有效地降低这些模型的计算成本，而不影响其准确性。最后，进行了广泛的分析和切除实验以描述所提出模型的行为。

    May, 2024

  • KhabarChin：波斯语重要新闻的自动检测

    通过自然语言处理技术，本论文介绍了在波斯语中探测重要新闻的新型基准数据集（Khabarchin），并提出了解决此任务的多个基于学习的模型，从传统机器学习到最先进的 Transformer 模型，同时还介绍了在新闻文章中通过弱监督方式识别重要句子的第二个任务。

    Dec, 2023

  • 使用神经网络检测点击诱饵：你绝不会相信接下来发生了什么！

    本文介绍了一种基于循环神经网络的神经网络架构，用于检测新闻标题中的 'clickbait'，该模型依靠从大型未注释的语料库中学习的分布式词表示和通过卷积神经网络学习的字符嵌入。在新闻标题数据集上的实验结果表明，这种方法表现优于现有的 'clickbait' 检测技术，具有 0.98 的准确率，0.98 的 F1 得分和 0.99 的 ROC-AUC 度量。

    Dec, 2016

  • 使用神经网络识别网络新闻中的标题党

    本研究提出了一种使用深度学习方法来检测 2017 年 Clickbait Challenge 数据集中的 clickbaits 的模型，同时利用数据分析和可视化技术探索和发现数据集中的信息。该模型在均方误差方面在 Clickbait Challenge 2017 中获得了第一名。

    Jun, 2018

  • 使用神经网络的多策略方法识别标题党

    提出了一种基于神经网络，包括双向 LSTM、注意力机制、孪生网络及卷积神经网络的新型点击诱饵检测方法来预测社交媒体帖子的点击诱饵得分，在 19538 个社交媒体帖子的测试语料库上达到 65.37% 的 F1 得分，优于之前的工程学特征或其他方法。

    Oct, 2017

  • 使用卷积神经网络从自然场景中读取文本

    本研究介绍了一种基于卷积神经网络的端到端文本识别、图像检索系统，使用了一些新颖的深度学习技术实现文本定位、识别、筛选和排序，在多个基准测试数据集上获得了最先进的性能表现，并应用于新闻视频检索中。

    Dec, 2014

  • SciEv：科学新闻查找科学证据论文

    SciEv 是一个系统，可以在给定科学新闻文章的情况下搜索科学证据论文，并采用两阶段查询范式以检索候选论文并进行重新排序，它使用领域知识实体来找到候选论文，证明比常规关键短语更有效，并在重排阶段中探索了新闻文章和候选论文的不同文档表示方法。

    Apr, 2022

  • 基于卷积神经网络的假新闻检测

    本文研究了基于文本和图像信息的卷积神经网络 TI-CNN，通过提取虚假新闻中的显式和潜在特征，将文本和图像信息投影到统一特征空间中进行训练，以此来解决自动检测虚假新闻的问题。

    Jun, 2018